| 基于SVR 和PLSR 的土壤有机质高光谱估测模型研究 |
| |
| 引用本文： | 沈兰芝,高懋芳※,闫敬文,姚艳敏.基于SVR 和PLSR 的土壤有机质高光谱估测模型研究[J].中国农业信息,2019,31(1):58-71. |
| |
| 作者姓名： | 沈兰芝 高懋芳※ 闫敬文 姚艳敏 |
| |
| 作者单位： | 汕头大学工学院;中国农业科学院农业资源与农业区划研究所/农业农村部农业遥感重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目“耦合遥感与作物生长模型的农业干旱预警研究”（41871282）；中国地质调查工作
项目（DD20160068）；高分辨率对地观测系统国家科技重大专项（09-Y30B03-9001-13/15） |
| |
| 摘 要： | 【目的】探讨高光谱遥感数据不同预处理及不同估测算法下土壤有机质估测模型的优劣,为提高土壤有机质估测精度奠定基础。【方法】使用高光谱仪在室内条件下对土壤样品进行光谱测量,对光谱数据进行4种去噪处理(无去噪处理、Savitzky-Golay(S-G)平滑滤波去噪、小波包去噪以及S-G平滑与小波包结合去噪),然后对去噪后的光谱数据进行8种数据变换(原始光谱数据R、倒数1/R、对数log(R)、倒数对数log(1/R)、一阶导数R′、倒数一阶导数(1/R)′、对数一阶导数(log(R))′、倒数对数一阶导数(log(1/R))′),接着对变化后的光谱数据进行3种降维处理(无降维处理、敏感波段降维和主成分分析降维),最后运用支持向量回归法和偏最小二乘回归法分别建立SOM含量估测模型。【结果】研究中所涉及的各种数据预处理和估测算法中,小波包去噪、PCA降维、反射率倒数一阶导数(1/R)′光谱数据变换处理条件下,使用PLSR方法的估测模型精度最高、模型最稳定,可以较精确地估测吉林省伊通县SOM含量。【结论】合适的数据预处理,尤其是小波包去噪和PCA降维相结合,可有效改善光谱数据质量,提高SOM含量估测模型精度及稳定性。
|
| 关 键 词： | 土壤有机质 支持向量回归 偏最小二乘回归 小波包去噪 PCA 降维 高光谱 |
| 收稿时间： | 2019/1/10 0:00:00 |
Estimation model of soil organic matter
based on SVR and PLSR |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
|
